OpenOCR 项目使用与启动指南

OpenOCR 项目使用与启动指南

OpenOCR OpenOCR: A general OCR system with accuracy and efficiency. Supporting 24 Scene Text Recognition methods trained from scratch on large-scale real datasets, and will continue to add the latest methods. 项目地址: https://gitcode.com/gh_mirrors/op/OpenOCR

1. 项目介绍

OpenOCR 是一个基于深度学习的通用光学字符识别（OCR）系统，它以准确性和高效性为目标，支持中英文文本检测与识别。该项目基于复旦大学 FVL 实验室的研究成果，旨在为场景文本检测和识别建立统一的训练和评估基准。OpenOCR 支持多种场景文本识别方法，并在不断更新中添加最新技术。

2. 项目快速启动

ONNX 推理启动

首先，安装 OpenOCR 和 ONNX 运行时依赖：

pip install openocr-python
pip install onnxruntime

然后，使用以下代码进行推理：

from openocr import OpenOCR
onnx_engine = OpenOCR(backend='onnx', device='cpu')
img_path = '/path/img_path 或 /path/img_file'
result, elapse = onnx_engine(img_path)

PyTorch 推理启动

安装 PyTorch 和相关依赖：

conda create -n openocr python==3.8
conda activate openocr
# 安装 GPU 版本 PyTorch
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# 或者 CPU 版本
conda install pytorch torchvision torchaudio cpuonly -c pytorch

安装 OpenOCR：

pip install openocr-python

或者克隆仓库：

git clone https://github.com/Topdu/OpenOCR.git
cd OpenOCR
pip install -r requirements.txt

下载预训练模型：

wget https://github.com/Topdu/OpenOCR/releases/download/develop0.0.1/openocr_det_repvit_ch.pth
wget https://github.com/Topdu/OpenOCR/releases/download/develop0.0.1/openocr_repsvtr_ch.pth
# 服务器模型
wget https://github.com/Topdu/OpenOCR/releases/download/develop0.0.1/openocr_svtrv2_ch.pth

使用以下命令进行推理：

# OpenOCR 系统：检测 + 识别模型
python tools/infer_e2e.py --img_path=/path/img_fold 或 /path/img_file
# 检测模型
python tools/infer_det.py --c ./configs/det/dbnet/repvit_db.yml --o Global.infer_img=/path/img_fold 或 /path/img_file
# 识别模型
python tools/infer_rec.py --c ./configs/rec/svtrv2/repsvtr_ch.yml --o Global.infer_img=/path/img

3. 应用案例和最佳实践

• 案例一： 在移动设备上部署轻量级模型，以实现实时的文本识别功能。
• 案例二： 在服务器端部署高精度模型，处理大量图片中的文本信息。
• 最佳实践： 定期使用新的数据集对模型进行微调，以保持其识别率和准确性。

4. 典型生态项目

• 项目一： 使用 OpenOCR 进行文档数字化，提高文档检索和管理效率。
• 项目二： 集成 OpenOCR 到智能监控系统，实现实时文本信息抓取和分析。
• 项目三： 结合 OpenOCR 和其他机器学习技术，开发智能问答系统。

OpenOCR OpenOCR: A general OCR system with accuracy and efficiency. Supporting 24 Scene Text Recognition methods trained from scratch on large-scale real datasets, and will continue to add the latest methods. 项目地址: https://gitcode.com/gh_mirrors/op/OpenOCR